INSTALACIONES Y EQUIPOS
En los últimos años, ha habido cambios muy dinámicos tanto en la producción porcina como en la tecnología de cría de cerdos en todo el mundo. La tendencia general de aumentar la eficiencia de la producción porcina, con empleo reducido, requiere optimización y un enfoque integral para el manejo del rebaño. Uno de los elementos más importantes en el camino hacia el logro de este objetivo es mantener el bienestar y la salud de los animales.
La salud de los cerdos en la granja también es un aspecto clave en la economía de la producción. La necesidad de mantener un alto estado de salud de los rebaños de cerdos mediante la eliminación de la frecuencia de diferentes unidades de enfermedades y la reducción de la necesidad de sustancias antimicrobianas es parte de una estrategia de manejo de rebaños de alto potencial ampliamente entendida.
Gracias al uso de sensores (cámaras, micrófonos, acelerómetros o transpondedores de identificación por radiofrecuencia), las imágenes, sonidos, movimientos, y los signos vitales de los animales se combinan a través de algoritmos y se analizan para el monitoreo no invasivo de los animales, lo que permite la detección temprana de enfermedades, mejora su bienestar y aumenta la productividad de la cría.
Sistemas de Monitoreo de Bienestar para Cerdos
Los sistemas de alerta temprana automatizados e innovadores basados en el monitoreo continuo de parámetros fisiológicos (p. ej., temperatura corporal) y de comportamiento específicos pueden proporcionar una alternativa al diagnóstico directo y la evaluación visual por parte del veterinario o el cuidador del rebaño.
El mercado de los sistemas diseñados para el control permanente y automático del bienestar de los animales de granja está en constante evolución. Los innovadores sistemas de alerta temprana (PLF, por sus siglas en inglés) automatizados, basados en el monitoreo continuo de parámetros fisiológicos y de comportamiento específicos, son una alternativa a la evaluación visual directa por parte del personal o el veterinario.
La adquisición rápida y precisa de datos en tiempo real sobre el movimiento de los animales y la frecuencia de consumo de alimentos permite la detección temprana de enfermedades y facilita el manejo posterior de la manada. Gracias a los sensores (cámaras, micrófonos, acelerómetros, sensores RFID y sensores de temperatura), los patrones de comportamiento de los animales se recopilan y combinan a través de algoritmos.
Los datos derivados de las tecnologías PLF se pueden utilizar para derivar advertencias y activar notificaciones y alarmas. Con el desarrollo de Internet de las cosas (IoT, es decir, la interconexión entre dispositivos informáticos a través de Internet), la toma de decisiones puede estar mejor informada al conectar la información PLF con otros flujos de datos, y los componentes de la gestión de la granja pueden automatizarse o incluso controlarse de forma remota.
Esto permite la capacidad de detectar problemas lo suficientemente temprano como para prevenir posibles efectos negativos en el rendimiento productivo de los animales. Hay muchos beneficios de la producción ganadera de precisión, que incluyen una mayor productividad y rentabilidad, una mayor seguridad y calidad de los productos animales y un mejor bienestar animal, así como un menor impacto ambiental y la lucha contra el cambio climático.
Se ha demostrado que el uso de la producción ganadera de precisión en la nutrición animal reduce los costos de alimentación hasta en un 25 %. En 2016, la facturación total en el mercado de tecnología agrícola de precisión se estimó en USD 4800 millones. Las previsiones actuales sitúan la facturación del mercado en este ámbito en 12 600 millones USD para 2025.
La adopción de estas tecnologías varía considerablemente. Las tecnologías RFID y acelerómetro están bien integradas, pero otras tecnologías aún tienen que lograr una participación de mercado viable.
Sistemas basados en visión
Entre los métodos PLF adoptados, el monitoreo de video parece ser el más comúnmente implementado. Proporciona herramientas no invasivas y eficientes para poder registrar no solo el comportamiento de un grupo de animales, sino también el comportamiento de cada individuo.
Mediante el análisis de imágenes, los resultados se convierten en datos detallados sobre la distribución de los animales (ubicación y proximidad) y la actividad (posición y movimiento). Las imágenes también se utilizan en cerdos para medir el peso corporal y para detectar cojera, comportamiento agresivo y celo.
En las últimas décadas, el monocromo bidimensional (2D) y el color se han utilizado ampliamente en la visión por computadora debido a su bajo costo y alta eficiencia. Muchos investigadores han propuesto diferentes sistemas para extraer características del ganado, como el tamaño corporal o la condición corporal, sobre la base de imágenes 2D.
Por ejemplo, el análisis de imágenes 2D permite monitorear y estimar las tasas de crecimiento de los cerdos con una precisión de 1 kg. A su vez, la cantidad de cámaras (sets de video) destinadas a la observación de animales depende del área monitoreada y de la altura a la que se coloca la cámara. La calidad del seguimiento también está influenciada por el número de animales por metro cuadrado.
Las cámaras monocromáticas suelen tener una mayor sensibilidad a la luz y, por lo tanto, son más ideales para grabar en condiciones de poca luz que las cámaras a color.
En el trabajo de Chen et al., se realizó un estudio de identificación y seguimiento del comportamiento de ocho cerdos en corrales de aproximadamente 4 metros cuadrados, con la cámara colocada a una altura de 2,4 m.
Este estudio utilizó la técnica de modelado neuronal utilizando algoritmos de aprendizaje profundo. Cabe señalar que los autores utilizaron una técnica de modelado más difícil en relación con las redes convolucionales y buscaron sus propios índices para describir la imagen.
Obtuvieron una precisión del 98,5 % en términos de identificación del comportamiento mediante la conexión de una cámara relativamente simple con tecnología de modelado neuronal.
Los resultados de la investigación realizada por Chen et al. permiten una alta eficiencia de los algoritmos utilizados en los sistemas para monitorear el comportamiento animal. Reikert et al. aplicó el sistema de aprendizaje profundo en combinación con cámaras 2D para detectar la posición y la postura de los cerdos.
Los autores obtuvieron resultados de precisión ligeramente inferiores en comparación con el estudio descrito anteriormente (87,4 y 80,2 %), pero el área de los corrales y el almacenamiento de los animales era mucho mayor.
A pesar del desarrollo continuo, la tecnología de imágenes 2D todavía tiene algunas limitaciones. Requiere iluminación ambiental adecuada; proporciona solo una proyección plana del animal; está influenciado por la distancia, la longitud de onda y los filtros aplicados; y también requiere un fondo contrastante, por ejemplo, un cerdo brillante contra la pared oscura de un corral.
Además, la extracción de datos de imágenes tomadas en diversas condiciones ambientales conduce a un funcionamiento incorrecto de las herramientas informáticas para el procesamiento y análisis de imágenes.
Las cámaras tridimensionales (3D) (RGBD) equipadas con lentes de alta resolución, sensores infrarrojos o sensores de profundidad con tecnología de tiempo de vuelo (ToF) brindan mayores posibilidades en comparación con las bidimensionales (2D) más baratas.
La tecnología ToF envía un pulso de luz infrarroja desde el LED varias veces por segundo y registra el retraso entre el pulso y su retorno. Las cámaras 3D pueden funcionar independientemente del entorno de luz visual, incluso en la oscuridad total; no se ven afectados por las condiciones cambiantes de luz, incluidos los cambios en el contraste y las sombras; y son menos propensos a errores debido a la oclusión.
La tecnología tridimensional abre la posibilidad de reconstruir la geometría de los cuerpos de los animales y vincular los cambios morfológicos anormales a los cambios de comportamiento. Las cámaras equipadas con tecnología ToF (cámaras kinect) son extremadamente útiles en la cría de animales de precisión debido a su costo relativamente bajo, capacidad para manejar grandes bases de datos, bajos requisitos de energía y capacidad para adaptarse a condiciones cambiantes de luz y de fondo.
Sin embargo, estos tipos de equipos tienen un rango de distancia limitado (es decir, hasta 4,5 m), y la precisión de los datos de profundidad medidos por dichos dispositivos disminuye directamente con el aumento de la distancia.
A pesar de estas limitaciones, la capacidad de las cámaras Kinect para detectar el movimiento de animales individuales es satisfactoria. Esto se comprobó en el estudio de Kim et al., que muestra que un equipo Kinect instalado a una altura de 3,8 m es suficiente para monitorear con precisión (94,47 % de sensibilidad) un área que mide 2,4 por 2,7 m.
Aunque el reconocimiento basado en video del comportamiento de los cerdos ha logrado un progreso significativo, todavía hay algunos problemas sin resolver. Los datos de visión pueden requerir un procesamiento considerable y se han realizado estudios sobre el compromiso entre la calidad de la imagen de video y los requisitos de procesamiento computacional.
Los desafíos del software incluyen la detección de cerdos individuales sobre la base de características seleccionadas por medio de algoritmos de selección de características. Además, las cámaras son susceptibles al polvo y al daño por amoníaco, ya que forman parte del entorno de las granjas porcinas, aunque esto puede anularse potencialmente a través de recintos de protección de entrada y mantenimiento.
Para garantizar un seguimiento preciso y continuo de los animales individuales en una explotación ganadera moderna, los ganaderos de hoy en día necesitan una tecnología fiable y económica.
